教程 · AI 工具
提示词写了五百字还是答偏：先给角色、读者和禁区
用角色、读者、任务、结构和禁区五个槽位重写提示词，让输出稳定落在预期范围内。
前置：有一段反复调不好的提示词，使用任意对话式 AI 工具。
材料：现有提示词、AI 对话工具、两次输出的对比记录、文档编辑器
材料：现有提示词、AI 对话工具、两次输出的对比记录、文档编辑器
步骤
1. 先删掉形容词
把专业、有深度、高质量这类形容词删掉，它们不给模型任何可执行约束；留下的应该是谁、做什么、给谁看、不要什么。
2. 写清角色和读者
开头一句说明模型扮演什么角色、输出给谁看，例如面向零基础用户的教程编辑；角色和读者决定了用词深度和举例方式。
3. 把结构写成固定格式
明确要求几段、每段几句话、要不要小标题和列表；不规定结构，模型每次给的版式都不一样，后续没法比较，格式写死才好复用。
4. 给出禁区和一个反例
写清不要出现什么，例如不要编造数据、不要用极限词，并附一段不合格示例说明原因；只写要求，模型仍可能按自己的理解发挥。
5. 同一输入跑两次对比
用同一段材料连跑两次，比较结构和禁区遵守情况；差异仍然很大，说明提示词里还有模糊表述，继续把要求改成可检查的条件。
做完检查
- 两次输出的结构基本一致
- 禁区内容一次都没有出现
- 换一段材料后提示词仍然可用
常见错误
- 堆砌形容词，没有可执行约束
- 一次让模型完成写稿、翻译和排版三件事
- 不给示例，只描述想要的感觉
相关工具
同类教程
AI 说得头头是道却找不到原文：要求带位置引用再回查
让模型在回答里标出原文位置和不确定项，再逐条回查，避免把模型复述当成原文依据。
查看 →长文档塞不进上下文：先分段摘要再汇总，别硬塞
把超长文档按章节拆开分段摘要，再用统一模板汇总，保证关键信息不丢且可回溯。
查看 →本地跑 7B 模型就爆显存：先降量化再减上下文
根据显存选择量化等级和上下文长度，让本地模型稳定运行且生成速度可接受。
查看 →更新时间：2026-10-29 · 平台规则/软件版本会变；操作前保留原件，以实际页面为准。
跨库学习路径
按共同关键词匹配，不是随机推荐；从任务到提示词/教程/项目继续走。